布鲁克斯金融计量经济学中文课件-9.pptVIP

Introductory Econometrics for Finance Copyright 2002, Chris Brooks Chapter 9 转换模型 转换模型 动机: 经济和金融变量往往具有周期性的特征. 这些周期性行为的原因是什么？ - 战争 - 金融恐慌 - 政府政策的改变 - 市场微观结构的变化 - e.g. 大爆炸 - 市场情绪的变化 - 市场刚性 ?转换可以是简单的开-关转换也可以是马可夫跳动. 转换行为: 一个开-关转换的例子 处理转换变量? 我们对 ARMA模型进行扩展，允许序列, yt 在不同的时间表示不同的过程. e.g. yt = ?1 + ?1 yt-1 + u1t 对前500个观测值 yt = ?2 + ?2 yt-1 + u2t 对后500个观测值 如何决定转换时间? 最简单的直观的方法是对数据作图. 可以根据计量经济模型来确定. 可以根据季节来确定. 还有一些后面将谈到的方法. 金融市场中的季节效应 如果我们观察股市回报的季度，月或者日数据, 我们会发现它们似乎存在某种规律. 这种规律在在许多金融市场都被观测到，它们被称为 “日期的非正常性”. 例如：周效应, 开盘或收盘效应, 1月效应, 假期效应. 这些效应意味着在某段时间内金融变量的统计特征与其他时段显著不同. 季节效应的存在与有效市场假设（ EMH）是不一致的.  构造季节效应的虚拟变量 使用虚拟变量- e.g. 对于季度数据, 我们可以有4个虚拟变量: D1t = 1 in Q1 and zero otherwise D2t = 1 in Q2 and zero otherwise D3t = 1 in Q3 and zero otherwise D4t = 1 in Q4 and zero otherwise 我们需要多少虚拟变量? 3个就够了, 如果我们用了4个虚拟变量会怎么样？ 构造季度虚拟变量 D1t D2t D3t D4t Sumt 1986Q1 1 0 0 0 1 Q2 0 1 0 0 1 Q3 0 0 1 0 1 Q4 0 0 0 1 1 1987Q1 1 0 0 0 1 Q2 0 1 0 0 1 Q3 0 0 1 0 1 etc. 会产生多重共线性的问题， (X?X)-1 不存在. 所以使用3 个虚拟变量加一个常数或4个虚拟变量不加常数. 虚拟变量是产生作用的? 通过改变截据. 考虑以下回归: yt = ?1 + ?1D1t + ?2D2t + ?3D3t + ?2x2t +... + ut So we have as the constant in the first quarter in the second quarter in the third quarter in the fourth quarter 东南亚股市的季节效应  Brooks 和 Persand (2001) 检验5个东南亚股市的周效应: 韩国,马里西亚, 菲率宾, 台湾和泰国. 数据为每天的收盘数据 (Mondays to Fridays) ，31 December 1989 to 19 January 1996 (共 1581 个观测值). 他们使用每日的虚拟变量: rt = ?1D1t + ?2D2t + ?3D3t + ?4D4t + ?5D5t + ut 回归中的系数可解释为每天的平均回报. Values and Significances of Day of the Week Effects in South East Asian Stock Markets 斜率虚拟变量 我们也可以使用斜率虚拟变量: 例如, 开盘和收盘数据. 对开盘数据，我们定义Dt = 1 对收盘数据，我们定义 Dt=0. 这种虚拟变量改变斜率而使截据 保持不便. 我们可同时斜率虚拟变量和截据虚拟变量. 东南亚股市的季节效应 （续） 每日回报不同的原因可能是由于每天市场的风险不一样. 所以, Brooks 和Persand 重新估计了他们的模型: rt = ( ?iDit + ?i DitRWMt) + ut 其中 Dit 是 ith 虚拟变量，当 t=i 时为1，其它为0, RWMt 是世界市场指数的回报 这样，模型中每天的风险和回报都是不一样的. Values and Significances of Day of t